基于边缘深度学习的帕金森患者步态冻结检测
信号处理
2022-12-02 v1 机器学习
摘要
本文提出了一种用于检测并警示帕金森病患者步态冻结（FoG）症状的无线传感器网络设计。三个传感器节点，各集成一个三轴加速度计，可置于患者脚踝、大腿和躯干处。每个传感器节点可使用板载深度学习（DL）模型（采用挤压激励卷积神经网络（CNN））独立检测FoG。在使用公开数据集的验证中，所开发原型的FoG检测灵敏度为88.8%，F1得分为85.34%，且每个传感器节点可训练参数少于20k。一旦检测到FoG，将生成听觉信号以警示用户，并在需要时将该报警信号发送至手机以便进一步处理。传感器节点可通过电感耦合轻松无线充电。该系统自给自足，所有用户数据均在本地处理，不向外部设备或云端流式传输数据，从而消除了与无线数据传输相关的网络安全风险与功耗损失。所开发方法可用于广泛应用。
引用
@article{arxiv.2212.00729,
title = {Edge Deep Learning Enabled Freezing of Gait Detection in Parkinson's Patients},
author = {Ourong Lin and Tian Yu and Yuhan Hou and Yi Zhu and Xilin Liu},
journal= {arXiv preprint arXiv:2212.00729},
year = {2022}
}